当前位置：搜档网 › 光照不均匀颗粒图像的校正方法

光照不均匀颗粒图像的校正方法

HDR及一些非均匀性校正算法

HDR High Dynamic Range ，即高动态范围，比如所谓的高动态范围图象（HDRI）或者高动态范围渲染（HDRR）。动态范围是指信号最高和最低值的相对比值。目前的16位整型格式使用从“0”（黑）到“1”（白）的颜色值，但是不允许所谓的“过范围”值，比如说金属表面比白色还要白的高光处的颜色值。在HDR的帮助下，我们可以使用超出普通范围的颜色值，因而能渲染出更加真实的3D场景。也许我们都有过这样的体验：开车经过一条黑暗的隧道，而出口是耀眼的阳光，由于亮度的巨大反差，我们可能会突然眼前一片白光看不清周围的东西了，HDR在这样的场景就能大展身手了。 HDR可以用3句话来概括：亮的地方可以非常亮暗的地方可以非常暗亮暗部的细节都很明显。HDR的处理在显卡中可以分为3个步骤：将画面用高光照动态范围渲染，并储存每个象素的亮度特性；将HDRI画面转成低动态范围的画面（RGBA或是sRGB）；色彩和Gamma校正后传送到显示设备输出。计算机在表示图像的时候是用8bit(256)级或16bit(65536)级来区分图像的亮度的，但这区区几百或几万无法再现真实自然的光照情况。HDR文件是一种特殊图形文件格式，它的每一个像素除了普通的RGB信息，还有该点的实际亮度信息。普通的图形文件每个象素只有0 －255的灰度范围，这实际上是不够的。想象一下太阳的发光强度和一个纯黑的物体之间的灰度范围或者说亮度范围的差别，远远超过了256个级别。因此，一张普通的白天风景图片，看上去白云和太阳可能都呈现是同样的灰度/亮度，都是纯白色，但实际上白云和太阳之间实际的亮度不可能一样，他们之间的亮度差别是巨大的。因此，普通的图形文件格式是很不精确的，远远没有纪录到现实世界的实际状况。所以，现在我们就要介绍一下高动态范围图像（简称HDRI）。 HDR高动态范围渲染目前是一种逐渐开始流行的显示技术，其技术出发点就是让计算机能够显示更接近于现实照片的画面质量。目前在民用领域看到最多HDR技术应用的必然是游戏了。在现实中，当人从黑暗的地方走到阳光下时，我们的眼睛会不由自主的迷起来，那是因为在黑暗的地方，人为了更好的分辨物体，瞳孔张开很大，以便吸收光线;而突然到了光亮处瞳孔来不及收缩，视网膜上的视神经无法承受如此多的光线，人自然会迷上眼睛阻止大量光线冲击视神经。而电脑是不具备这种功能的。所以，HDR的最终效果因该是亮处的效果是鲜亮的，而黑暗处你也可以清晰的分辨物体的轮廓，位置和深度，而不是以前的一团黑。动态、趋近真实的物理环境是HDR的特效表现原则。实际游戏中会发现井底水面反射的阳光在墙壁上动态的明亮反光，洞口的明亮天空也会稍微变弱些。这样就能更清晰的表现出水面的反光。如果此时低头看水面会发现水面直接将阳光反射到人眼中很刺眼，但仅仅1秒钟时间光线就会减弱，因为人眼适应了直接反射的阳光。这就是游戏的曝光控制功能，模拟人眼自动适应光线变化的能力，而不是照相机。HDR并不仅仅是反射的光强度要高。在游戏中，如果你盯着一个面向阳光直射的物体，物体表面会出现丰富的光反射;如果盯着不放，物体表面的泛光会渐渐淡出，还原出更多的细节。HDR特效是变化的，因此称作高动态光照。热成像的非均匀性校正算法有很多种，红外焦平面非均匀性校正算法主要分为基于定标的非均匀校正算法(如一点温度定标算法、二点温度定标算法、多点温度定标算法)和基于场景的自适应非均匀校正算法(如时域高通滤波(THPFC)算法、人工神经网络(ANNC)算法、恒定统计平均(Cs)校正算法等)。目前二点温度定标算法和多点温度定标算法是最为成熟的实用性算法，但是它需要周期性的对它维护，这给红外成像设备维护工作带来很多困难。而基于场景的非均匀

landsat遥感影像地表温度反演教程(大气校正法)

基于辐射传输方程的Landsat数据地表温度反演教程一、数据准备 Landsa 8遥感影像数据一景，本教程以市2015年7月26日的=行列号为（128，049）影像（LC81280402016208LGN00）为例。同时需提前查询影像的基本信息（详见下表）注：基本信息在影像头文件中均可查询到，采集时间为格林尼治时间。二、地表温度反演的总体流程三、具体步骤 1、辐射定标

地表温度反演主要包括两部分，一是对热红外数据，二是多光谱数据进行辐射定标。（1）热红外数据辐射定标选择Radiometric Correction/Radiometric Calibration。在File Selection对话框中，选择数据LC81230322013132LGN02_MTL_Thermal，单击Spectral Subset 选择Thermal Infrared1（10.9），打开Radiometric Calibration面板。（2）多光谱数据辐射定标选择要校正的多光谱数据“LC81230322013132LGN02_MTL_MultiSpectral” 进行辐射定标。 Scale factor 不能改变，否则后续计算会报错。保持默认1即可。

因为后续需要对多光谱数据进行大气校正，可直接单击Apply Flaash Settings，如下图。注意与热红外数据辐射定标是的差别，设置后Scale factor值为0.1。 2、大气校正本教程选择Flaash 校正法。FLAASH Atmospheric Correction，双击此工具，打开辐射定标的数据，进行相关的参数设置进行大气校正。注意：如果在多光谱数据辐射定标时Scale factor值忘记设置，可在本步骤中打开辐射定标数时设置single scale faceor 值为0.1，若已设置，则默认值为1即可。 1)Input Radiance Image：打开辐射定标结果数据； 2)设置输出反射率的路径，由于定标时候；

图像畸变校正

数字音视频处理大作业（一）题目：图像畸变校正班级：021212 学号：02121128 姓名：文威威

目录第一章图像畸变概述.................................. - 1 - 第一节图像畸变的概念........................... - 1 - 第二节图像畸变形成原因......................... - 1 - 第二章通过算法去除图像畸变.......................... - 2 - 第一节引言..................................... - 2 - 第二节基于网格图像的图像畸变修正............... - 2 - 第三节基于现场定标的图像畸变校正............... - 3 - 第四节基于畸变等效曲面的图像畸变校正 ........... - 3 -

第一章图像畸变概述第一节图像畸变的概念图像畸变是指成像过程中所产生的图像像元的几何位置相对于参照系统(地面实际位置或地形图)发生的挤压、伸展、偏移和扭曲等变形，使图像的几何位置、尺寸、形状、方位等发生改变。第二节图像畸变形成原因造成图像畸变的原因包括：传感器性能误差，如摄像机的焦距变动、像主点偏移、镜头光学畸变、多光谱扫描仪扫描速度的非线性、扫描线首尾点成像的时间差引起的扫描线偏斜、采样和记录速度不均匀等；成像时的透视误差，如遥感成像系统投影方式主要有中心投影(摄像机)、斜距投影(侧视雷达)、全景投影(多光谱扫描)和多中心投影(胶带摄影机)等。除框幅式中心投影外，其它的投影方式都产生不同类型的畸变；飞行器姿态变化引起图像平移、旋转、扭曲和缩放；地球自转对扫描图像的影响；地形和地物高度变化，引起像点位移和比例尺改变；地球曲率的影响；大气折射，改变了光的传播方向、路径和雷达波的传播时间。

遥感卫星影像辐射校正和大气校正的方法

北京揽宇方圆信息技术有限公司遥感卫星影像辐射校正和大气校正的方法辐射校正是指对由于外界因素，数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正，消除或改正因辐射误差而引起影像畸变的过程。利用传感器观测目标的反射或辐射能量时，所得到的测量值与目标的光谱反射率或光谱辐射亮度等物理量之间的差值叫做辐射误差。辐射误差造成了遥感图像的失真，影响遥感图像的判读和解译，因此，必须进行消除或减弱。需要指出的是，导致遥感图像辐射量失真的因素很多，除了由遥感器灵敏度特性引起的畸变之外，还有视场角、太阳角、地形起伏以及大气吸收、散射等的强烈影响。遥感图像辐射校正主要包括三个方面：（1）传感器的灵敏度特性引起的辐射误差，如光学镜头的非均匀性引起的边缘减光现象、光电变换系统的灵敏度特性引起的辐射畸变等；（2）光照条件差异引起的辐射误差，如太阳高度角的不同引起的辐射畸变校正、地面倾斜、起伏引起的辐射畸变校正等；（3）大气散射和吸收引起的辐射误差改正。辐射校正的目的主要包括：1、尽可能消除因传感器自身条件、薄雾等大气条件、太阳位置和角度条件及某些不可避免的噪声等引起的传感器的测量值与目标的光谱反射率或光谱辐射亮度等物理量之间的差异；2、尽可能恢复图像的本来面目，为遥感图像的识别、分类、解译等后续工作奠定基础。辐射校正分为辐射定标和大气校正两部分。辐射定标是用户需要计算地物的光谱反射率或光谱辐射亮度时，或者需要对不同时间、不同传感器获取的图像进行比较时，都必须将图像的亮度灰度值转换为绝对的辐射亮度，这个过程就是辐射定标。

大气校正是指传感器最终测得的地面目标的总辐射亮度并不是地表真实反射率的反映，其中包含了由大气吸收，尤其是散射作用造成的辐射量误差。大气校正就是消除这些由大气影响所造成的辐射误差，反演地物真实的表面反射率的过程。辐射校正流程图 1.4.3.2影像辐射校正方法辐射定标主要分为两种类型：统计型和物理型。统计型是基于陆地表面变量和遥感数据的相关关系，优点在于容易建立并且可以有效地概括从局部区域获取的数据，例如经验线性定标法，内部平场域法等，另一方面，物理模型遵循遥感系统的物理规律，它们也可以建立因果关系。如果初始的模型不好，通过加入新的知识和信息就可以知道应该在哪部分改进模型。但是建立和学习这些物理模型的过程漫长而曲折。模型是对现实的抽象；所以一个逼真的模型可能非常复杂，包含大量的变量。例如6s模型，Mortran等。用于大气辐射传输校正的模型主要有5S模型、6S模型、LOWTRAN模型、MODTRAN模型、ACORN模型、FLAASH模型和ATCOR模型。 1、ACORN模型一种基于图像自身的大气校正软件，可以实现图像辐射值到表观地表反射率的转换，其工作波长范围是350-2500nm。在目前的大气校正程序一般都把地表假定为水平朗伯体,这主要是因为我们一般很难获取地表的充足信息以完成地形校正,因此大气校正的结果称为拉伸的地表反射率,又称表观反射率,在地形信息已知的情况下,可以将表观反射率转为地表反射率。

6-图像畸变校正

实验五图像形状及颜色畸变的校正一、实验目的与要求让学生了解数字图像的数学表达及相关概念，通过实验让学生加深对数学在相关学科的应用价值的认识，培养学生的实际操作能力，并引导他们建立基础学科在处理具体问题时方法上联系。二、问题描述对于在颜色或形状上发生畸变的图像，通过数学的方法实现校正。三、问题分析先由教师讲授数字图像的基本概念（包括图像的数学化、采样、量化、灰度、各种数学图像的文件格式、表色系、颜色映像等），再通过具体的实例给学生示范对于在颜色或形状上发生畸变的图像如何通过数学的方法实现校正的过程。最后让学生动手完成对某些特殊畸变的图像的校正，写出数学原理和实验报告。四、背景知识介绍 1. 数字图像的数值描述及分类图像是对客观存在物体的一种相似性的生动模仿与描述，是物体的一种不完全的不精确的描述。数字图像是用一个数字阵列来表示的图像。数字阵列中的每个数字，表示数字图像的一个最小单位，称为像素。采样是将空域上或时域上连续的图像变换成离散采样点（像素）集合的一种操作。对一幅图像采样后，若每行像素为M 个，每列像素为N 个，则图像大小为M ?N 个像素。例如，一幅640?480的图像，就表示这幅连续图像在长、宽方向上分别分成640个和480个像素。显然，想要得到更加清晰的图像质量，就要提高图像的采样像素点数，即使用更多的像素点来表示该图像。客观世界是三维的，从客观场景中所拍摄到的图像是二维信息。因此，一幅图像可以定义为一个二维函数f(x,y),其中x,y 是空间坐标。对任何一对空间坐标(x,y)上的幅值f(x,y)，成为表示图像在该点上的强度或灰度，或简称为像素值。因为矩阵是二维结构的数据，同时量化值取整数，因此，一幅数字图像可以用一个整数矩阵来表示。矩阵的元素位置(i,j)，就对应于数字图像上的一个像素点的位置。矩阵元素的值f(i,j)就是对应像素点上的像素值。值得注意的是矩阵中元素f(i,j)的坐标含义是i 为行坐标，j 是列坐标。而像素f(x,y )的坐标含义一般指直角坐标系中的坐标，两者的差异如下图：对应于不同的场景内容，数字图像可以大致分为二值图像，灰度图像，彩色0 列坐标(j) 行坐标(i) 矩阵元素 f (i ,j) 0 纵坐标(y) 横坐标(x) 像素f(x,y) 图 1.1 矩阵坐标系与直角坐标系

基于6S模型TM遥感影像大气校正

毕业论文题目：基于6S模型的TM遥感影像大气校正研究--以张掖地区为例学院：地理与环境科学学院专业：地理信息系统毕业年限：2011年学生姓名：秦麟学号：200775000126 指导教师：李净

基于6S模型的TM遥感影像大气校正研究--以张掖地区为例秦麟摘要：受大气吸收与散射的影响，电磁波在大气--目标物--遥感器途径传输过程中发生失真，造成目标地物反射辐射能量到达遥感器时被衰减。给计算地表反照率、反射率和地表温度等关键参数带来较大的误差。本文以张掖地区Landsat TM热红外波的遥感图像数据为例，通过利用6S大气辐射传输模型进行大气校正，并在窄波段反照率与宽波段反照率之间存在线性关系的前提下，反演该地区的地表反照率。关键词：6S模型；大气校正；地表反照率 6S Model Based Atmospheric Correction of Remote Sensing Image in zhangye QIN Lin Abstract : Due to the distortions and noises caused by the presence of the atmosphere on the Sun-target-Sensor path, the space-based and airborne remote sensing information in the solar spectral range do not directly characterize the surface objects. It becomes serious impediments for the quantitative analysis and measurement of resources and environment. This paper discussed the atmospheric correction with 6S model (Second Simulation of Satellite Signal in the Solar Spectrum), reversing surface albedos under the linear relationship between narrow band albedos and broadband albedos in the remote sensing image in zhangye city. Key words: 6S model; atmospheric correction; surface albedo.

landsat遥感影像地温度反演教程大气校正法

基于辐射传输方程的Landsat数据地表温度反演教程一、数据准备 Landsa 8遥感影像数据一景，本教程以重庆市2015年7月26日的=行列号为（128，049）影像（LC81280402016208LGN00）为例。同时需提前查询影像的基本信息（详见下表）标识日期采集时间中心经度中心纬度LC81280402016208LGN00 2016/7/26 3:26:56 106.11288 30.30647 …………………………注：基本信息在影像头文件中均可查询到，采集时间为格林尼治时间。二、地表温度反演的总体流程三、具体步骤 1、辐射定标地表温度反演主要包括两部分，一是对热红外数据，二是多光谱数据进行辐射定标。

（1）热红外数据辐射定标选择Radiometric Correction/Radiometric Calibration。在File Selection对话框中，选择数据LC81230322013132LGN02_MTL_Thermal，单击Spectral Subset 选择Thermal Infrared1（10.9），打开Radiometric Calibration面板。 Scale factor 不能改变，否则后续计算会报错。保持默认1即可。（2）多光谱数据辐射定标选择要校正的多光谱数据“LC81230322013132LGN02_MTL_MultiSpectral” 进行辐射定标。因为后续需要对多光谱数据进行大气校正，可直接单击Apply Flaash Settings，如下图。

注意与热红外数据辐射定标是的差别，设置后Scale factor值为0.1。 2、大气校正本教程选择Flaash 校正法。FLAASH Atmospheric Correction，双击此工具，打开辐射定标的数据，进行相关的参数设置进行大气校正。注意：如果在多光谱数据辐射定标时Scale factor值忘记设置，可在本步骤中打开辐射定标数时设置single scale faceor 值为0.1，若已设置，则默认值为1即可。 1)Input Radiance Image：打开辐射定标结果数据； 2)设置输出反射率的路径，由于定标时候； 3)设置输出FLAASH校正文件的路径，最优状态：路径所在磁盘空间足够大； 4)中心点经纬度Scene Center Location：自动获取；

非均匀性矫正

一、图像的非均匀性矫正

二、图像增强

三、程序代码（MATLAB）%%%%%%%%%%%%%%%%%%%%555555555555555555555555555555555一点矫正HIGH_T=fopen('highdat_151.dat','rb'); HIGH=fread(HIGH_T,[200,200],'uint8'); HIGH=uint8(HIGH); %类型转化为uint8 subplot(321);imshow(HIGH); title('原始高温图像'); subplot(322);mesh(double(HIGH));title('原始高温图像三维显示'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% LOW_T=fopen('lowdat_151.dat','rb'); LOW=fread(LOW_T,[200,200],'uint8'); LOW=uint8(LOW); subplot(323);imshow(LOW); title('原始低温图像'); subplot(324);mesh(double(LOW)); title('原始低温图像三维显示'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% HAND_D=fopen('handdat_60.dat','rb'); HAND=fread(HAND_D,[200,200],'uint8'); HAND=uint8(HAND); subplot(325),imshow(HAND); title('原始手形图像'); subplot(326),mesh(double(HAND)); title('原始手形图像三维显示'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%选取低温图进行定标 S=mean2(LOW(:)); % S为定标值 S_LOW=S*ones(200,200); S_LOW=uint8(S_LOW); %S_LOW为定标矩阵 D_LOW=LOW-S_LOW; %校正系数D_LOW figure; HIGH_L=HIGH-D_LOW; subplot(321);imshow(HIGH_L); title('经低温矫正后的高温图像'); subplot(322);mesh(double(HIGH_L)); title('经低温矫正后的高温图像三维显示'); LOW_L=S_LOW; subplot(323);imshow(LOW_L); title('经低温矫正后的低温图像'); subplot(324);mesh(double(LOW_L)); title('经低温矫正后的低温图像三维显示'); HAND_L=HAND-D_LOW; subplot(325);imshow(HAND_L); title('经低温矫正后的原始手图像'); subplot(326);mesh(double(HAND_L)); title('经低温矫正后的原始手图像三维显示'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%选取高温图进行定标 S=mean2(HIGH(:)); % S为定标值 S_HIGH=S*ones(200,200); S_HIGH=uint8(S_HIGH); %S_LOW为定标矩阵 D_HIGH=HIGH-S_HIGH; %校正系数D_HIGH figure; HIGH_H=S_HIGH; subplot(321);imshow(HIGH_H); title('经高温矫正后的高温图像');

数字图像处理-畸变校正

数字图像处理

图像畸变及校正 1 图像畸变介绍从数字图像处理的观点来考察畸变校正, 实际上是一个图像恢复的过程, 是对一幅退化了的图像进行恢复。在图像处理中，图像质量的改善和校正技术，也就是图像复原，当初是在处理从人造卫星发送回来的劣质图像的过程中发展、完善的。目前，图像畸变校正的应用领域越来越广，几乎所有涉及应用扫描和成像的领域都需要畸变校正。图像在生成和传送的过程中，很可能会产生畸变，如：偏色、模糊、几何失真、几何倾斜等等。前几种失真主要是体现在显示器上，而后一种失真则多与图像集角度有关。不正确的显影，打印、扫描，抓拍受反射光线的影响等方式，都会使图像产生偏色现像。模糊、几何畸变主要是在仪器采集图片过程中产生，大多是因机器故障或操作不当影响导致，如在医学成像方面。而几何空间失真广泛存在于各种实际工程应用中，尤其是在遥感、遥测等领域。 2 畸变产生的原因在图像的获取或显示过程中往往会产生各种失真（畸变）：几何形状失真、灰度失真、颜色失真。引起图像失真的原因有：成像系统的象差、畸变、带宽有限、拍摄姿态、扫描非线性、相对运动等;传感器件自身非均匀性导致响应不一致、传感器件工作状态、非均匀光照条件或点光源照明等；显示器件光电特性不一致；图像畸变的存在影响视觉效果，也是影响图像检测系统的形状检测和几何尺寸测量精度的重要因素之一。 3 图像畸变校正过程所用到的重要工具灰度直方图是关于灰度级分布的函数，是对图象中灰度级分布的统计。灰度直方图是将数字图象中的所有像素，按照灰度值的大小，统计其所出现的频度。

通常，灰度直方图的横坐标表示灰度值，纵坐标为想像素个数。直方图上的一个点的含义是，图像存在的等于某个灰度值的像素个数的多少。这样通过灰度直方图就可以对图像的某些整体效果进行描述。从数学上讲，图像的灰度直方图是图像各灰度值统计特征与图像灰度值出现的频率。从图形上来讲，它是一个一维曲线，表征了图像的最基本的统计特征。作为表征图像特征的信息而在图像处理中起着重要的作用。由于直方图反映了图像的灰度分布状况，所以从对图像的观察与分析，到对图像处理结果的评价，灰度直方图都可以说是最简单、最有效的工具。 4 图像颜色畸变校正介绍图像颜色畸变现象可以是由摄像器材导致，也可以是由于真实环境本身就偏色导致，还有的是由于图像放置过久氧化、老化导致。无论其产生的原因如何，其校正方法都是类似的。如果用Matlab显示颜色畸变的图像RGB基色直方图，发现相对正常图像，颜色畸变的图像的直方图的三种基色的直方图中至少有一个直方图的像素明显集中集中在一处，或则集中在0处或则集中在255处，而另一部分有空缺，或则集中在中间而两边空，因此通过调整该直方图的像素点的像素值在区间[0，255]上的分布来解决图像颜色畸变问题。如果直方图中像素集中在0一边则说明该基色偏暗，如果集中在255处则说明该基色偏亮。下图是一有颜色畸变的图像的基色B 的直方图。

envi遥感图像处理之大气纠正

大气校正说明文档步骤一：辐射定标本实验采用的是绝对辐射定标，直接建立遥感影像DN 值与接收到的能量的之间的关系。建立关系所采用的公式是：offset DN gain L += * 其中，λ λ λ λ λ λ min max min max min max DN DN L L e fullDNrang L L gain --= -= ， λ min L offset = Lmax λ和Lmin λ通过参看遥感影像的头文件进行确定。fullDNrange 取的是 255。具体操作如下： 1）打开遥感影像文件及其头文件 2）根据头文件信息计算gain 和offset 的值 3）在envi 的Basic Tools 中打开 Band Math 像，将本步骤采用的公式写入band math 中，计算出L 。

至此，就完成了遥感影像的辐射定标过程。步骤二：未进行大气校正所得到的反射率本步骤讲述如何从经过辐射定标的遥感影像直接生成地物的反射率的影像，制作该影像的目的是为了与后面经过大气校正后的影像进行对比。本步骤所采用的公式是：))cos(*/(**2 θπρESUN d L = 其中，L 是由上步所算出来的，d 指的是实际的日地距离，单位是天文距离，ESUN 指的是太阳平均辐射强度，θ为太阳天顶角。 d 值可以由观测时间查阅相关资料获得。ESUN 值也可以由相关资料获取。 θ可以从头文件中获得。具体操作如下： 1）查阅相关资料，确定参数θ、d 、ESUN

2）在envi的Basic Tools中打开Band Math像，将本步骤采用的公式写入band math中 3）确定变量b2为上步所算的L，并由此计算出未进行大气校正的反射率。由此，我们就得到了未经大气校正的反射率。步骤三：进行大气校正，得到地物反射率由于大气的影响，会使得遥感影像的反射率发生较大的变化，为了得到地表

红外图像非均匀性校正及增强算法研究

红外图像非均匀性校正及增强算法研究受限于制造工艺的约束,红外焦平面中各探测像元的光电响应率不一致,即存在非均匀性问题,导致图像中出现固定样式噪声,且具有缓慢的时间漂移性。并且,红外探测器的光电响应动态范围较大,而单幅图像场景的温度范围通常在红外探测器总体动态范围中占比小,导致原始红外图像对比度低、物体边界模糊。因此,非均匀性校正和图像增强是必不可少的红外图像预处理步骤。本文将围绕基于场景的非均匀性校正和红外图像增强技术展开研究,论文的主要研究内容如下:1.凝视型红外探测器中,传统的基于神经网络的非均匀性校正方法通常假设固定样式噪声满足独立同分布,但在低成本非制冷探测器中,非均匀性的条纹噪声强,噪声分布特性不满足假设,导致现有方法难以兼顾边缘保护与条纹噪声抑制。针对该问题,本文提出了基于自适应稀疏表示以及局部全局联合约束学习率的非均匀性校正方法,引入稀疏表示理论,利用干净的红外图像集训练出的过完备字典中的原子可稀疏地表示图像场景信息的特性,在自适应的误差容限内重建图像,从而保护图像边缘、将噪声成分当作冗余去除。实验结果表明,在均方根误差指标上,本方法相比传统方法降低了1.1652至1.9107不等、降低了约17.92%至26.37%,能够在保护图像边缘的同时有效去除包括条纹噪声在内的固定样式噪声。 2.扫描型红外探测器中,若直接采用凝视型探测器的非均匀性校正方法,则仍需数百帧图像计算校正系数,算法收敛慢。传统的扫描型探测器校正方法利用扫描成像的特性逐列(假设沿行扫描)更新校正系数,在单帧图像内完成校正。然而,单帧图像内场景辐射多样性通常有限,导致传统方法易陷入局部最优

红外焦平面阵列非均匀性校正算法的研究

红外焦平面阵列非均匀性校正算法的研究摘要：红外焦平面阵列普遍存在非均匀性，会严重影响红外成像质量。对非均匀性的主要来源和表现形式进行了探讨，介绍了在工程应用中常用的校正方法，两点温度校正法、时域高通滤波法和人工神经网络法，给出详细的推导，并对几种校正算法进行了分析和研究，对这几种校正算法的优点和缺点进行讨论和综合对比，为进一步开展红外焦平面非均匀性校正提供参考意见。关键词：红外焦平面阵列非均匀性校正算法对比 Study of Non-uniformity Correction Algorithms for IRFPA Abstract:There usually exist a non-uniformity problem for infrared focal plane arrays.This problem may has a severe influence on the imaging quality of them.The non-uniformity of the major sources and manifestations are discussed.Two temperature correction method,constant statistical average,temporal high-pass filtering and artificial neural network which usually applied in engineering are introduced. Three correction algorithms are analysed and researched, giving a detailed derivation,and advantages and disadvantages of the four correction algorithms are discussed and comprehensively compared. providing a reference suggestions for the further development of non-uniformity correction algorithms for IRFPA.

红外图像非均匀性校正

改进的红外图像神经网络非均匀性校正算法摘要：红外焦平面阵列（IRFPA）像元响应存在不一致性，会严重影响红外成像系统成像的质量，实际应用中需要采用响应的非均匀性校正（NUC）技术。传统的神经网络校正算法在校正结果中存在图像模糊和伪像的问题，影响人们对于目标的观察。在分析了传统的神经网络性校正算法所出现问题原因的基础上，提出了有效的改进算法：用非线性滤波器代替传统算法中使用的均值滤波器。算法改进之后所得到的校正图像，不仅在清晰度方面有明显的改善，而且有效的消除了传统算法中存在伪像的问题。关键词：非均匀性；神经网络；模糊；伪像中图分类号：TN215 文献标识码：A Improved infrared image neural network non-uniformity correction algorithm Abstract：The responsive of infrared focal plane arrays (IRFPA) is different; it will affect the quality of imaging system seriously. Non-uniformity correction technology will need in practical application. The calibrated images have the problems of blurring and existing ghost artifacts when use the traditional neural network correction algorithm. And it is bad for the observation of the target. After analysis the reasons for the problems in the traditional neural network correction algorithm，proposed the improved algorithm. Replace the mean filter, which used in the traditional algorithm, by the nonlinear filter. The corrected image by the improved algorithm not only a marked improvement in clarity, but also effectively eliminate the problem of artifacts in traditional algorithms. Keywords：Non-uniformity; Neural network; Blurring; Ghosting artifacts 0引言红外技术是20世纪初新出的一种不可见光技术，目前已被广泛应用于军事和民事领域，如红外探测，红外监视等。而IRFPA作为红外技术的核心部分，起着关键的作用，但是IRFPA上存在的非均匀性是影响红外系统的一个重大因素。因此，对于非均匀性的研究是目前广泛讨论的问题。目前国内外已经出现了多种IRFPA非均匀性校正方法，归纳起来它们大致可以分为两类：基于定标的NUC算法[1]，这类算法由于精度高、算法简单，得到了广泛的应用。但是定标类校正方法由于受到IRFPA工作时间和环境的影响，其响应参数会发生缓慢漂移，进而影响校正精度。因此，定标类校正方法通常需要进行周期性定标校正[2]，这样在校正过程中就需要设备停止工作，所以会带来很大的不便。第二类是基于场景的NUC算法[3]，这类校正算法在一定程度上能够克服IRFPA响应漂移带来的校正误差，并且不需要参考源，因此基于场景的算法成为了目前研究的主要方向。神经网络校正方法以其较好的自适应性和误差跟踪能力而成为场景类校

遥感大气校正

实验四遥感图像的大气校正实验目的：通过实习操作，掌握遥感图像大气校正的基本方法和步骤，掌握遥感图像波段计算及其应用。实验内容：环境小卫星的数据读取；辐射定标、图像配准、大气校正；植被反演、植被覆盖变化监测 1、实验相关知识及背景 ◆传感器定标就是将图像的数字量化值（DN）转化为辐射亮度值或者反射率或者表面温度等物理量的处理过程；传感器定标可分为绝对定标和相对定标，绝对定标是获取图像上目标物的绝对辐射值等物理量。 ◆遥感图像的大气校正方法很多，这些校正方法按照校正后的结果可以分为2种：绝对大气校正方法：将遥感图像的DN(Digital Number)值转换为地表反射率、地表辐射率、地表温度等的方法。相对大气校正方法：校正后得到的图像，相同的DN值表示相同的地物反射率，其结果不考虑地物的实际反射率。 ◆ENVI下FLAASH大气校正工具是基于MODTRAN4+辐射传输模型，FLAASH对图像文件有以下几个要求：（1）数据是经过定标后的辐射亮度（辐射率）数据，单位是：（μW）/（cm2*nm*sr）。（2）数据带有中心波长（wavelenth）值，如果是高光谱还必须有波段宽度（FWHM），这两个参数都可以通过编辑头文件信息输入（Edit Header）。（3）数据类型支持四种数据类型：浮点型（floating）、长整型(long integer )、整型（integer）和无符号整型(unsigned int)。数据存储类型：ENVI标准栅格格式文件，且是BIP或者BIL。（4）波谱范围：400－2500nm ◆浑善达克地区位于内蒙古草原锡林郭勒高原中部。近年来频频发生在京津地区的沙尘暴与该地区生态环境恶化相关。据统计，京津地区沙尘暴70%的沙源来自于这个区域。通过对该区域植被覆盖度的定量反演，植被覆盖的变化检测，可以实现草原植被的高频率、大范围、高实时的变化监测。 2、实验步骤根据环境小卫星CCD数据特点及草原植被变化监测的要求，采用以下处理流程：一、数据预处理： https://www.sodocs.net/doc/8f4516763.html,D数据读取； 2.辐射定标； 3.大气校正； 4.研究区裁剪；二、反演模型建立 1.归一化植被指数； 2.植被覆盖度；

图像畸变校正word版

实验五图像形状及颜色畸变的校正一、实验目的与要求让学生了解数字图像的数学表达及相关概念，通过实验让学生加深对数学在相关学科的应用价值的认识，培养学生的实际操作能力，并引导他们建立基础学科在处理具体问题时方法上联系。二、问题描述对于在颜色或形状上发生畸变的图像，通过数学的方法实现校正。三、问题分析先由教师讲授数字图像的基本概念（包括图像的数学化、采样、量化、灰度、各种数学图像的文件格式、表色系、颜色映像等），再通过具体的实例给学生示范对于在颜色或形状上发生畸变的图像如何通过数学的方法实现校正的过程。最后让学生动手完成对某些特殊畸变的图像的校正，写出数学原理和实验报告。四、背景知识介绍 1. 数字图像的数值描述及分类图像是对客观存在物体的一种相似性的生动模仿与描述，是物体的一种不完全的不精确的描述。数字图像是用一个数字阵列来表示的图像。数字阵列中的每个数字，表示数字图像的一个最小单位，称为像素。采样是将空域上或时域上连续的图像变换成离散采样点（像素）集合的一种操作。对一幅图像采样后，若每行像素为M 个，每列像素为N 个，则图像大小为M ?N 个像素。例如，一幅640?480的图像，就表示这幅连续图像在长、宽方向上分别分成640个和480个像素。显然，想要得到更加清晰的图像质量，就要提高图像的采样像素点数，即使用更多的像素点来表示该图像。客观世界是三维的，从客观场景中所拍摄到的图像是二维信息。因此，一幅图像可以定义为一个二维函数f(x,y),其中x,y 是空间坐标。对任何一对空间坐标(x,y)上的幅值f(x,y)，成为表示图像在该点上的强度或灰度，或简称为像素值。因为矩阵是二维结构的数据，同时量化值取整数，因此，一幅数字图像可以用一个整数矩阵来表示。矩阵的元素位置(i,j)，就对应于数字图像上的一个像素点的位置。矩阵元素的值f(i,j)就是对应像素点上的像素值。值得注意的是矩阵中元素f(i,j)的坐标含义是i 为行坐标，j 是列坐标。而像素f(x,y )的坐标含义一般指直角坐标系中的坐标，两者的差异如下图：对应于不同的场景内容，数字图像可以大致分为二值图像，灰度图像，彩色列坐标(j) 行坐标(i) 矩阵元素 f (i ,j) 0 纵坐标(y) 横坐标(x) 像素f(x,y) 图 1.1 矩阵坐标系与直角坐标系

基于遥感图像大气校正的意义与发展

基于遥感图像大气校正的意义与发展随着多光谱、多时相传感器的发展，定量遥感也获得了很好的发展契机。虽然对于影像分类、变化检测的情况不需要进行大气校正，但大气校正作为光学遥感信息定量化研究中必不可少的一步，已受到越来越多的重视。近年来，传统的大气校正方法也在不断改进，越来越多的大气校正模型将更多的大气参数纳入定量分析范围，以提高大气校正的精度和适用性。标签：大气校正；定量遥感；模型引言随着近年来定量遥感的迅速发展，尤其是越来越多地将多传感器、多时相遥感数据利用于土地利用分析、土地覆盖变化监测、全球资源环境分析、气候变化监测等领域，遥感图像大气校正方法的研究越来越受到重视。大气是影响遥感定量分析与应用的重要因素，因此消除大气效应、卫星姿态角和太阳高度角等因素对结果的影响也成为了决定定量遥感分析精度的重要前提。尤其是近年来高光谱技术的发展，极大地提高了高光谱影像的分辨率。因此，对参数更为详细的描述方法及适用性更强的大气校正方法必不可少。 1 大气校正的意义大气校正广泛应用于定量遥感中。为了实现反演模型的时空扩展，大气校正的精度直接决定了后续定量分析的精度。定量反演的目的是获取地球信息，精确识别地物，尤其是在生物特性方面具有广泛的应用，比如水体特性分析及生物指数分析。定量遥感在海洋湖泊、水体污染程度、水体生物量组成等方面有着广泛的应用。在水体特征研究中，大气的衰弱作用使得卫星遥感信号不能正确表现自然水体的表观光学特性和内在光学特性，对水体样本层次的变化不敏感。尤其在蓝绿波段，大气对光谱数据的污染最为严重。此外，被动遥感信号从大气顶层出发，经两次大气散射和吸收及地面目标反射才被记录，所以大气条件对信号污染作用使传感器接收到的辐射信息存在较大误差，定量分析与处理过程中需剔除。比如环境卫星的CCD图像数据具有较高空间分辨率、时间分辨率和较宽的刈幅。在接受到的辐射信息中，有90%属于大气信号，而能反映水体生物光学信号的仅占5%～15%。定量遥感在林业方面也有这广泛的应用，比如从植被中提取生物量、叶面积指数、叶绿素、树冠郁闭百分比等。在对植被指数进行分析时，太阳光照角度和观测视角以及大气、云的条件的变化都很大，因此得到的是大气上界的双向反射率信息（也称表现反射率）。此外，大气中水蒸气和气溶胶对辐射的散射和吸收有较大影響。因此，如何分离地气耦合效应，得到准确的地面反射率信息是卫星遥缚中基础但极为重要的工作。归一化植被指数NDVI及ARVI等可部分校正大

数字图像处理畸变校正

数字图像处理图像畸变及校正 1 图像畸变介绍从数字图像处理的观点来考察畸变校正, 实际上就是一个图像恢复的过程, 就是对一幅退化了的图像进行恢复。在图像处理中,图像质量的改善与校正技术,也就就是图像复原,当初就是在处理从人造卫星发送回来的劣质图像的过程中发展、完善的。目前,图像畸变校正的应用领域越来越广,几乎所有涉及应用扫描与成像的领域都需要畸变校正。图像在生成与传送的过程中,很可能会产生畸变,如:偏色、模糊、几何失真、几何倾斜等等。前几种失真主要就是体现在显示器上,而后一种失真则多与图像集角度有关。不正确的显影,打印、扫描,抓拍受反射光线的影响等方式,都会使图像产生偏色现像。模糊、几何畸变主要就是在仪器采集图片过程中产生,大多就是因机器故障或操作不当影响导致,如在医学成像方面。而几何空间失真广泛存在于各种实际工程应用中,尤其就是在遥感、遥测等领域。 2 畸变产生的原因在图像的获取或显示过程中往往会产生各种失真(畸变):几何形状失真、灰度失真、颜色失真。引起图像失真的原因有:成像系统的象差、畸变、带宽有限、拍摄姿态、扫描非线性、相对运动等;传感器件自身非均匀性导致响应不一致、传感器件工作状态、非均匀光照条件或点光源照明等;显示器件光电特性不一致;图像畸变的存在影响视觉效果,也就是影响图像检测系统的形状检测与几何尺寸测量精度的重要因素之一。 3图像畸变校正过程所用到的重要工具灰度直方图就是关于灰度级分布的函数,就是对图象中灰度级分布的统计。灰度直方图就是将数字图象中的所有像素,按照灰度值的大小,统计其所出现的频度。通常,灰度直方图的横坐标表示灰度值,纵坐标为想像素个数。直方图上的一个点的含义就是,图像存在的等于某个灰度值的像素个数的多少。这样通过灰度直方图就可以对图像的某些整体效果进行描述。从数学上讲,图像的灰度直方图就是图像各灰度值统计特征与图像灰度值出现的频率。从图形上来讲,它就是一个一维曲线,表征了图像的最基本的统计特征。作为表征图像特征的信息而在图像处理中起着重要的作用。由于直方图反映了